論文の概要: Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation

• arxiv url: http://arxiv.org/abs/2305.02820v1
• Date: Thu, 4 May 2023 13:35:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 15:22:24.910199
• Title: Semantic Space Grounded Weighted Decoding for Multi-Attribute Controllable Dialogue Generation
• Title（参考訳）: 多属性制御可能な対話生成のための意味空間接地重み付き復号
• Authors: Zhiling Zhang and Mengyue Wu and Kenny Q. Zhu
• Abstract要約: 本稿では、重み付き復号パラダイムで強力な制御性を有するDASCと呼ばれる制御可能な生成フレームワークを提案する。 複数属性の生成は、複数の属性の埋め込みの発話で直感的に実装される。 実験により,DASCは3アスペクト制御可能な生成タスクにおいて最先端の制御精度を達成可能であることが示された。
• 参考スコア（独自算出の注目度）: 20.4891974927631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Controlling chatbot utterance generation with multiple attributes such as personalities, emotions and dialogue acts is a practically useful but under-studied problem. We propose a novel controllable generation framework called DASC that possesses strong controllability with weighted decoding paradigm, while improving generation quality with the grounding in an attribute semantics space. Generation with multiple attributes is then intuitively implemented with an interpolation of multiple attribute embeddings. Experiments show that DASC can achieve state-of-the-art control accuracy in 3-aspect controllable generation tasks while also producing interesting and reasonably sensible responses, even if in an out-of-distribution robustness test. Visualization of the meaningful representations learned in the attribute semantic space also supports its effectiveness.
• Abstract（参考訳）: パーソナリティー、感情、対話行為など、複数の属性によるチャットボット発話生成の制御は、実質的には有用だが未熟な問題である。 本稿では,属性セマンティクス空間におけるグルーディングによる生成品質の向上を図りつつ,重み付きデコードパラダイムによる強い制御性を有する新しい制御可能生成フレームワークdascを提案する。 複数属性の生成は、複数の属性の埋め込みを補間することで直感的に実装される。 実験により,DASCは3視点制御可能な生成タスクにおいて最先端の制御精度を達成でき,また,アウト・オブ・ディストリビューション・ロバストネステストにおいても,興味深く合理的な応答を得られることが示された。 属性意味空間で学んだ意味表現の可視化もその有効性を支持している。

関連論文リスト

• Multi-Aspect Controllable Text Generation with Disentangled Counterfactual Augmentation [20.15822422715231]
  マルチアスペクト制御可能なテキスト生成は、複数の側面から生成された属性のテキストを制御することを目的としている。 そこで本研究では,多視点制御可能テキスト生成方式であるMAGICを提案する。 実験により、MAGICは不均衡な特性相関シナリオとバランスの取れた特性相関シナリオの両方において、最先端のベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-05-30T11:25:42Z)
• Exploiting Modality-Specific Features For Multi-Modal Manipulation Detection And Grounding [54.49214267905562]
  マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。 本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。 本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
  論文  参考訳（メタデータ） (2023-09-22T06:55:41Z)
• Seen to Unseen: Exploring Compositional Generalization of Multi-Attribute Controllable Dialogue Generation [23.79168163871952]
  既存の制御可能な対話生成作業は、単一属性制御に焦点を当てている。 本稿では, プロンプトベースで制御不能な対話生成モデルDCGを提案する。
  論文  参考訳（メタデータ） (2023-06-17T10:50:19Z)
• MacLaSa: Multi-Aspect Controllable Text Generation via Efficient Sampling from Compact Latent Space [110.85888003111653]
  マルチアスペクト制御可能なテキスト生成は、複数の望ましい属性を同時に持つ流動文を生成することを目的としている。 マルチアスペクト制御のための新しいアプローチ、すなわちMacLaSaを導入し、複数の側面に対してコンパクトな潜在空間を推定する。 また,MacLaSaは,高い推論速度を維持しつつ,属性関連性やテキスト品質を高いベースラインで向上させることを示す。
  論文  参考訳（メタデータ） (2023-05-22T07:30:35Z)
• A Distributional Lens for Multi-Aspect Controllable Text Generation [17.97374410245602]
  マルチアスペクト制御可能なテキスト生成は、単一アスペクト制御よりも困難で実用的なタスクである。 既存手法は, 単一アスペクトから学習した複数のコントローラを融合することにより, 複雑なマルチアスペクト制御を実現する。 本稿では,複数属性分布の交点領域を直接探索して生成する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:08:04Z)
• Controllable Dialogue Generation with Disentangled Multi-grained Style Specification and Attribute Consistency Reward [47.96949534259019]
  マルチ属性制約下で応答生成を行うための制御可能な対話生成モデルを提案する。 一般的に使用される制御属性を,応答生成に対する影響の粒度が異なる大域的および局所的な属性に分類する。 我々のモデルは、応答品質、コンテンツ多様性、制御性の観点から、競争ベースラインを大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-09-14T14:29:38Z)
• Is Disentanglement enough? On Latent Representations for Controllable Music Generation [78.8942067357231]
  強い生成デコーダが存在しない場合、アンタングル化は必ずしも制御性を意味するものではない。 VAEデコーダに対する潜伏空間の構造は、異なる属性を操作するための生成モデルの能力を高める上で重要な役割を果たす。
  論文  参考訳（メタデータ） (2021-08-01T18:37:43Z)
• Controllable Text Generation with Focused Variation [71.07811310799664]
  Focused-Variation Network (FVN) は言語生成を制御する新しいモデルである。 FVNは、コードブック内の各属性に対する非結合なラテント空間を学習し、制御性と多様性の両方を可能にする。 我々は、注釈付きコンテンツとスタイルを持つ2つのテキスト生成データセット上でFVNを評価し、自動評価と人的評価により、最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2020-09-25T06:31:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。